IBM nutzt Maschine für hyper-lokale Wetter Lernen

IBM nutzt Maschine für hyper-lokale Wetter Lernen

Es ist nur etwa sechs Monate vergangen, seit IBM die Übernahme von The Weather Firma geschlossen, aber es wird nicht auf seinen Lorbeeren ausruhen. Diese Woche Big Blue bewegt das Wetter Unternehmens Go-to-Market zu nutzen Stärke Tief Donner zu starten, ein maschinelles Lernen gesteuerten Wettermodell von IBM Research entwickelt Branchen von der Luftfahrt bis hin zu helfen und Landwirtschaft besser für den Einzelhandel, die Auswirkungen auf das Geschäft von Wetter vorhersagen.

„eines der größten Dinge über einen Teil von IBM ist eine Beziehung mit IBM Research Arm zu haben“, sagt Mary Glackin, Leiter Wissenschaft & Prognose Operationen für das Wetter Unternehmen

Das Wetter Gesellschaft tatsächlich verschmilzt seine bestehende Rapid-Precision Mesoskalige (RPM) Modell —. ein numerisches System der Wettervorhersage basiert auf dem Advanced Research Wetterforschung und Prognose-System (WRF-ARW) — mit Deep Donner. RPM erzeugt Prognosen bis zu 24 Stunden im Voraus, mit Updates alle drei Stunden in den USA und alle sechs Stunden außerhalb der USA, Niederschlagsvorhersagen berechnet aus halbstündlich momentanen Niederschlagsvorhersagen von RPM zur Verfügung gestellt.

Darüber hinaus lokale Prognosen

Deep Donner bringt hyperlokale kurzfristige Prognosen auf den Tisch. Glackin sagt die Kombination von Deep Thunder hyperlokale Prognosen mit dem Wetter Das Unternehmen bestehenden globalen Prognose-Fähigkeiten, ein Spiel-Wechsler stellt

[Verwandte: Wetter Unternehmen prognostiziert mehr große Daten für IBM Watson Analytics].

„Was kündigen wir die Fusion dieser beiden Modelle ist“, sagt sie. „Wir denken, dass in diesem Fall eins plus eins wirklich gleich drei wird.“

Deep Thunder Prognosen bei einer 0,2 bis 1,2 Meile Auflösung abgestimmt ist, so dass Unternehmen die genauen Wetterbedingungen zu verstehen, in ihrer Lage. Zum Beispiel in der Luftfahrt, trägt lokalen schlechtem Wetter in einem direkten und messbar zu Staus an den Flughäfen. Mit genauen Einblick in die lokale Wetter können Fluggesellschaften besser vorhersagen Staus präzisere Entscheidungen über genau zu machen, wie viel Kraftstoff auf einer bestimmten Ebene zu setzen.

„So viele ihrer Entscheidungen sind in der sehr nahen Zukunft“ Glackin sagt. „Jede Verbesserung können wir sie in Bezug auf das Verständnis geben, was die Konvektion an diesem Nachmittag Dollar in der Tasche sein wird. Zu wissen, was Kraftstoff Last sollten sie wegen im Flugzeug setzen, was die Überlastung wird bei vier at LaGuardia zu sein am Nachmittag direkt an ihre Unterm Strich geht. „

hyper Erste Schritte auf dem Hof ​​nach unten

Ein weiterer typischer Fall ist die Präzisionslandwirtschaft. Pestizide und Düngemittel sind empfindlich gegenüber Umweltfaktoren wie regen — einige müssen Zeiten klarem Wetter während andere regen unmittelbar nach der Anwendung erfordern. Darüber hinaus sagt Glackin, wollen die Landwirte jetzt Pestizide und Düngemittel an ganz bestimmten Punkten Ernte Lifecycles anzuwenden Erträge zu maximieren. Besser, genauere Prognosen erlauben sie die Fenster zu schlagen

[Verwandte: Mit einem Schwall von Wetterdaten, IBM hofft, die Welt kennen zu lernen].

Energie, insbesondere erneuerbare Energien, sind ein weiterer Bereich, wo Präzisionswettervorhersagen direkt auf die unterste Zeile übersetzen kann.

Deep Donner retrospektiv Wetter für Zielgebiete vorhersagen kann, und die Nutzung des maschinellen Lernens basierte Wetterauswirkungsmodelle Unternehmen helfen mehr genau vorhersagen, wie auch geringe Veränderungen in der Temperatur auf ihre Geschäfte auswirken könnte. Dies reicht von der Verbraucherkaufverhalten, wie Einzelhändler ihre Lieferketten und Lager Regale verwalten sollte, um, wie Versicherungsgesellschaften, die Auswirkungen der Vergangenheit Wetterereignisse analysieren, um die Gültigkeit der Versicherungsansprüche im Zusammenhang mit Witterungsschäden zu bewerten. Versorgungsunternehmen könnte Mine und Modell historische Daten von Schäden an Stromleitungen oder Telefonmasten und dann Paar, dass Informationen mit hyperlokalen Prognosen besser zu planen, für wie viele Reparaturmannschaften notwendig wären, und wo.

Und das ist nur der Anfang, sagt Glackin. Vorerst Das Wetter Unternehmen hilft Fluggesellschaften entscheiden, wie viel Kraftstoff auf eine bestimmte Ebene zu setzen, aber die Möglichkeit ist viel größer als das.

„Letztlich dies mit der Entscheidung ist nicht nur zu helfen, wie viel Kraftstoff auf dem Flugzeug zu setzen, es geht darum, wie sich ein Flughafen seine Gesamt Operationen zu verwalten „, sagt sie. „Das ist die Art von Maßstab der Dinge IBM bringen kann.“

Glackin stellt fest, dass das Wetter Gesellschaft ist jetzt aggressiv neue Datenquellen die Suche nach seinen Analysen zu ernähren. Schon jetzt nutzen ihre Modelle mehr als 100 Terabyte an Daten Dritter täglich, auch an einer der größten troves von Standortdaten überall verfügbar und Weather Underground-Netzwerk von mehr als 195.000 persönliche Wetterstationen, die in von Minute zu Minute berichten. Aber es fängt auch von Handys gesammelt auf die Einnahme von Luftdruckdaten zu arbeiten. Instrumentation Daten von Flugzeugen kann es helfen, Windgeschwindigkeit und Turbulenz Daten zu analysieren, die dann zu anderen Flugzeugen eingesetzt werden können

[Verwandte: Bei Stürmen getroffen, das Wetter Gesellschaft braucht die Cloud]. Strong >

Letzte Woche Das Wetter Unternehmen einen Deal mit Gogo Business Aviation angekündigt, unter denen Gogo Wetter die patentierte Turbulence Auto PIREP-System (TAPS), eine Turbulenz-Erkennungsalgorithmus implementieren wird, die den Zugriff auf erforderliche Avionik-Eingänge zur Verfügung zu stellen wird berechnen und Turbulenzintensität berichten und auf den Boden über Gogos US-Luft-Boden-und globalen Satellitenkommunikationsnetz.

„durch die Nutzung Gogos erweitert Flotte von Flugzeugen übertragen, The Weather Unternehmen in Echtzeit schnell teilen können Turbulenz-Daten direkt mit den Piloten und Disponenten, damit Crew und die Sicherheit der Passagiere zu verbessern „, Mark Gildersleeve, Präsident von Business-Lösungen bei The Weather Company, sagte in einer Erklärung der vergangenen Woche. „Es ist ein großartiges Beispiel für das Internet der Dinge in Aktion, wo wir große Datenmengen sehr schnell sammeln und dann diese Einsicht mit Leitlinien für alle Flüge zu schaffen, die durch beeinflusst Luftraum unterwegs sein werden.“

„Wir sind auch auf dem Weg Daten von angeschlossenen Fahrzeuge zu nehmen“, Glackin hinzufügt. „Wir könnten nehmen Daten von Scheibenwischern auf eine Flotte von Autos, oder Daten von Thermostaten in Häusern, die verdrahtet sind — dass uns Rückschlüsse machen können, was die Außentemperatur Wenn ich daran denke wirklich das Wählrad auf Genauigkeit zu bewegen, vor allem. auf kurze Sicht, es ist diese Verbreitung von Beobachtungen aus nicht-traditionellen Quellen, die ich denke, wird sich wirklich einen Unterschied machen. „

diese Geschichte“, nutzt IBM Maschine für hyper-lokale Wetter Lernen „war ursprünglich veröffentlicht von CIO.

Zusammenhängende Posts:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.